Uso responsable de GitHub Spark

> [!NOTE]

GitHub Spark se actualmente en versión preliminar pública y está sujeto a cambios.

Acerca de GitHub Spark

Spark es una plataforma con tecnología de Copilot para crear y compartir aplicaciones ("sparks") que se pueden adaptar a necesidades individuales y acceder sin problemas mediante - para dispositivos móviles y de escritorio sin necesidad de que los usuarios escriban ni implementen código. Spark ofrece un entorno de desarrollo centrado en el lenguaje natural para la creación de aplicaciones y un entorno de runtime totalmente administrado que se escala con las necesidades de los sparks.

Spark elimina la necesidad de administrar manualmente la infraestructura y de combinar varias herramientas, lo que le permite centrarse en la compilación.

Procesamiento de entradas > [!NOTE] En la actualidad, Spark aprovecha Claude Sonnet 4. Este modelo está sujeto a cambios.

Los mensajes de entrada en Spark se procesan previamente mediante Copilot, se aumentan con información contextual de las entradas actuales de Spark y se envían a un agente con tecnología de modelo de lenguaje grande dentro del entorno de desarrollo. El contexto incluido comprende información de tu spark, como el código de la aplicación en uso, mensajes previos suministrados en la interfaz de Spark y cualquier registro de errores del entorno de desarrollo de tu spark. El sistema solo está diseñado para generar código en función de los mensajes enviados.

No es capaz de interacciones de conversación.

El inglés es el idioma preferido para los mensajes enviados. Análisis del modelo de lenguaje

Después, los mensajes se pasan por un modelo de lenguaje grande, que es una red neuronal entrenada con un cuerpo de datos de gran tamaño.

El modelo de lenguaje analiza el mensaje de entrada para ayudar al agente a razonar sobre la tarea y aprovechar las herramientas necesarias. Ejecución del agente El agente que se ejecuta en el entorno de desarrollo acepta el mensaje y el contexto adicional pasado y decide cómo actualizar el spark para satisfacer la solicitud. El agente puede operar en el entorno de desarrollo mediante la escritura código, la ejecución de comandos y la lectura de salidas de ejecución.

Todas las acciones realizadas por el agente son para garantizar un código funcional y preciso para ejecutar el mensaje.

La única salida del agente es el código de la aplicación. Marcos de Spark El agente de Spark está entrenado para usar marcos y SDK proporcionados por Spark que garantizan un diseño moderno e implementaciones seguras integradas sin problemas en el componente de runtime de Spark.

El marco de diseño está diseñado para ser flexible y modular, lo que te permite modificar fácilmente el tema para que coincida con la apariencia deseada.

La integración en tiempo de ejecución de Spark, accesible desde el SDK, usa los procedimientos recomendados para las implementaciones web a fin de garantizar implementaciones seguras y escalables. Adición de capacidades de inferencia a su Spark

El SDK de Spark se integra de forma nativa con GitHub Models, lo que te permite incorporar la inferencia del modelo en la instancia de spark. Si Spark determina que la aplicación necesita funcionalidades de inferencia, las agregará mediante el SDK de Spark. Spark te proporciona las herramientas para crear, modificar y probar los mensajes que se usarán con estas funcionalidades de inferencia.

Spark no realiza ninguna prueba de los mensajes que crees en la aplicación, por lo que debes asegurarte de que las funcionalidades incluidas actúan según lo previsto.

Para obtener más información sobre el uso responsable dentro de GitHub Models, vea el Utilización responsable de los modelos de GitHub.

Casos de uso de Spark Compilación e implementación de aplicaciones web de pila completa Puedes usar Spark a fin de crear aplicaciones web de pila completas mediante lenguaje natural. El entorno de runtime integrado de Spark te permite implementar estas aplicaciones en la red pública de Internet.

Puede definir permisos para estas aplicaciones implementadas en función de la visibilidad de la cuenta de GitHub, lo que les permite ser visibles para el público general, miembros específicos de GitHub, miembros de su equipo u organización, o solo para usted.

Sparks puede ser cualquier cosa - desde rastreadores de puntuación de juegos de tablero a productos completos de software como servicio - sin embargo, lo que implemente permanece sujeto a GitHubTerms para el contenido generado por el usuario. Creación de prototipos de ideas

Spark ayuda a desarrolladores, diseñadores, administradores de productos u otros creadores a crear rápidamente ideas de prototipos sin necesidad de crear aplicaciones desde cero ni simulacros complejos.

Estos prototipos se pueden implementar para facilitar el uso compartido o pueden permanecer sin publicar como una manera de que los creadores vean al instante su visión. Mejora del rendimiento para Spark Spark puede desarrollar una amplia variedad de aplicaciones e iterar sobre ellas con el tiempo para aumentar la complejidad a medida que surjan nuevos requerimientos.

Puedes adoptar varios procedimientos recomendados para mejorar el rendimiento y abordar algunas de las limitaciones de Spark.

Para más información sobre las limitaciones de Spark, consulta Limitaciones de Spark. Mantén tus indicaciones específicas y centradas en el tema Spark está diseñado para compilar e iterar en la instancia de spark.

Cuanto más específico puedas ser sobre los comportamientos e interacciones previstos, mejor será la salida de Spark. La incorporación de contextos relevantes, como escenarios específicos, bocetos o especificaciones, ayudará a Spark a comprender la intención, lo que mejorará la salida que recibes. Spark también incorpora el contexto de las indicaciones anteriores en cada revisión subsiguiente que genera.

El envío de mensajes fuera de tema puede afectar el rendimiento en las revisiones posteriores.

Por tanto, intenta que las indicaciones sean lo más relevantes posible para la aplicación que estás construyendo. Usa ediciones dirigidas adecuadamente Las ediciones dirigidas en Spark te permiten especificar elementos dentro de la aplicación, para que puedas refinar el estilo, la sustancia o el comportamiento de elementos individuales de la aplicación.

Estas ediciones dirigidas son una excelente manera de restringir el área expuesta de edición y de expresar la intención a Spark.

El uso de ediciones dirigidas siempre que sea posible (en lugar de mensajes globales) dará lugar a cambios más precisos, así como menos efectos secundarios en la aplicación, ya que Spark genera nuevas revisiones. Comprobación de la salida de Spark Aunque Spark es una herramienta extremadamente eficaz, puede cometer errores. Estos errores pueden ser malentendidos de tus objetivos o errores de sintaxis más simples dentro de la instancia de spark generada.

Siempre debes usar la vista previa de la aplicación que proporciona Spark para verificar que tu ‘spark’ funcione como se espera en diferentes escenarios.

Si tienes conocimientos de código, también es recomendable asegurarse de que el código generado sea acorde a los estándares de calidad del código.

Limitaciones de GitHub Spark Interpretación de la intención del usuario

Spark no interpreta tu intención de forma correcta.

Siempre debes usar la vista previa proporcionada por Spark para confirmar el comportamiento preciso dentro de tu spark. Ámbito limitado Spark cuenta con el respaldo de Copilot y, por tanto, se ha entrenado con un gran cuerpo de código y aplicaciones pertinentes.

Pero todavía puede tener dificultades con aplicaciones complejas o nuevas.

Spark funcionará mejor en escenarios de aplicaciones comunes o personales (por ejemplo, herramientas de productividad, ayudas de aprendizaje, utilidades de administración de la vida) y cuando se le proporcione la instrucción de idioma natural en inglés. Código público

Spark puede generar código que sea una coincidencia o una coincidencia aproximada del código disponible públicamente, incluso si la directiva "Sugerencias que coincidan con código público" está establecida en "Bloquear". Consulta Administración de directivas de GitHub Copilot como suscriptor individual.

Si esto sucede, Copilot no proporcionará referencias de código que apunte al origen original del código.

Consulta Búsqueda de código público que coincida con las sugerencias de GitHub Copilot. Limitaciones de seguridad

Aunque el tiempo de ejecución de Spark sigue los procedimientos recomendados para la implementación de aplicaciones, genera código de manera probabilística, lo que puede introducir vulnerabilidades, especialmente si estas vulnerabilidades son comunes en el conjunto de entrenamiento de aplicaciones.

Debes tener cuidado al compilar aplicaciones que administren datos personales o confidenciales, y siempre revisar y probar de forma exhaustiva la aplicación generada. Consideraciones normativas y de cumplimiento

Los usuarios deben evaluar posibles obligaciones legales y normativas específicas al usar cualquier servicio y soluciones de inteligencia artificial, que pueden no ser adecuados para su uso en todos los sectores o escenarios.

Además, los servicios o soluciones de inteligencia artificial no están diseñados para y pueden no usarse de maneras prohibidas en términos de servicio aplicables y códigos de conducta pertinentes. Contenido ofensivo Spark tiene protecciones integradas contra contenido dañino, de odio u ofensivo.

Notifique cualquier ejemplo de contenido ofensivo para [email protected]. Incluye la dirección URL de tu spark para que podamos identificarlo.

Puedes notificar contenido problemático o ilegal a través de Feedback, o bien puedes notificar un spark como abuso o correo no deseado.

• Consulte Informar abuso o spam y las Políticas de Eliminación de Contenidos de GitHub.
• Lecturas adicionales

•         [AUTOTITLE](/copilot/tutorials/building-your-first-app-in-minutes-with-github-spark)
  

•         [AUTOTITLE](/copilot/tutorials/building-ai-app-prototypes)
  

•         [AUTOTITLE](/copilot/concepts/copilot-billing/about-billing-for-github-spark)